流形学习样本外点问题解决方法的比较研究

摘要

流形学习作为一种非线性降维技术，近年来已经在降维、数据可视化、特征提取及数据重构方面取得了许多成功的应用，然而，流形学习用于监督分类时效果却不尽人意，这是因为流形学习用于监督分类时会碰到样本外点问题。该问题能否妥善解决对于流形学习用于监督分类来说至关重要。因此，文章侧重分析了非参数映射、核岭回归、广义回归神经网络这三种典型算法的主要步骤和各自的优缺点，并通过实验进行分析比较，为有监督分类提供有益借鉴。

关键词

流形学习 / 样本外点问题 / 非参数映射 / 核岭回归 / 广义回归神经网络 / 监督分类